英伟达
Infrastructure Automation Engineer - Silicon Solution Group
Infrastructure Automation Engineer - Silicon Solution Group
发布于 6 个月前普通员工/个人贡献者
上海市
初级经验
全职员工
仅现场办公
硕士
软件工程
基础设施自动化
数据可视化
系统设计
AI/ML
Javascript
AI 估算 · 30k–50k
作为顶级科技公司的核心软件工程岗，需要掌握AI/ML、自动化及系统架构等前沿技能，市场竞争力强，薪资水平位于行业前列。
职位详情
关于这个职位
该职位是英伟达硅解决方案组（SSG）的基础设施自动化工程师
你将负责设计和实施自动化解决方案，以提升芯片后硅验证的效率和流程可视化
核心工作包括与全球团队协作，构建和维护大规模本地基础设施，并持续优化系统可靠性与性能
最低要求
电子工程、计算机工程、计算机科学或系统工程硕士学位（或同等经验）
年以上软件开发经验，具备框架架构设计经验
熟练掌握 C++、Python、Javascript
具备 HTML5、CSS、NodeJS 或 React 经验
具备 AI/ML 和数据分析的实践经验，最好接触过大规模数据集
良好的沟通和组织能力，具备逻辑性的问题解决方法和任务优先级排序能力
具备与全球跨职能团队、负责人和架构师有效合作的经验
工作职责
根据业务需求，调研并设计提升生产效率的解决方案，并推动从设计到交付的执行
与跨职能工程团队合作，致力于简化系统构建和验证流程及工作流
与全球自动化和基础设施团队协作，设计、构建和维护大规模本地基础设施
保持技术实践，为复杂的基础设施挑战提供指导
与 ASIC、软件、系统设计、产品、安全和运营团队进行跨职能协作，确保可靠性、可扩展性和性能，培养技术卓越、协作和主人翁文化
持续改进流程，确保效率、可靠性和适应性
优先资格
具备系统设计、CPU 和/或 GPU 架构知识
拥有大规模全栈开发背景
具备软件设计流程管理或项目管理经验
具备 Elastic Stack（Elasticsearch, Logstash 等）和 Kafka 的可证明知识
了解遥测、可观测性或监控框架（例如 Kibana, Grafana, OpenTelemetry）
AI 洞察
优缺点分析
优点
- 平台优势：在英伟达这样的行业巨头工作，能接触到最前沿的GPU技术和海量数据，技术视野和项目经验极具价值
- 技能复合性：岗位融合了软件工程、基础设施、AI/ML和芯片知识，有利于构建独特且高壁垒的技术竞争力
- 职业网络：有机会与全球顶尖的ASIC、系统设计等团队协作，建立高质量的行业人脉
- 技术复杂度高：需要同时理解芯片验证流程、大规模系统架构和自动化开发，学习曲线陡峭，对综合能力要求高
- 适合对软硬件结合、系统架构和自动化有浓厚兴趣，具备扎实编程基础和快速学习能力，并希望在顶尖技术平台深度发展的软件工程师
缺点 / 挑战
- 协作压力：作为连接多个职能团队的枢纽，需要出色的沟通和项目管理能力来推动跨团队项目落地
- 工作强度：在追求技术卓越和快速产品迭代的科技公司，可能面临较高的工作节奏和交付压力
角色解读
- 技术专家路径：深耕基础设施自动化、芯片验证工具链和AI工程化，成为该领域的技术权威
- 技术管理路径：积累项目管理和跨团队协作经验后，可向技术经理或架构师方向发展，负责更大规模的系统和技术团队
- 行业专家路径：深入理解GPU/SOC架构和芯片验证全流程，成为连接硬件设计与软件自动化的关键桥梁
- 设计和开发自动化工具与框架，以提升芯片后硅验证流程的效率，并实现工作流的可视化
- 与全球团队协作，参与大规模本地基础设施的规划、构建、部署和日常运维工作
- 作为技术专家，为复杂的系统集成、性能优化和可靠性问题提供解决方案和技术指导
- 扎实的编程能力，核心要求是精通 C++ 和 Python，并熟悉前端技术栈如 JavaScript、React
- 具备软件架构设计能力，能够规划和构建支撑复杂业务流程的自动化框架和系统
- 拥有 AI/ML 和数据分析实践经验，能够利用数据驱动的方法优化验证流程和基础设施性能
申请策略
- 深入了解英伟达的GPU产品线和硅解决方案组（SSG）的业务，在申请材料中体现出你对公司技术方向和岗位价值的认同
- 准备用具体的例子来证明你优秀的跨团队协作能力和在复杂项目中推动事情落地的执行力
- 重点突出与自动化、效率提升相关的项目经验，详细说明你设计的框架或工具如何解决了实际问题并量化其效果
- 清晰展示你在 C++、Python 和至少一种前端技术（如 React）上的项目实践，特别是涉及系统集成或数据处理的部分
- 如果有 AI/ML 或大数据处理的项目经验，务必写明技术栈、数据规模以及你承担的具体工作和取得的成果
- 如果对芯片或硬件了解不深，可以提前学习计算机体系结构、GPU并行计算的基础知识，了解芯片设计的基本流程
- 加强对基础设施即代码（IaC）、CI/CD流水线、以及监控/可观测性工具（如提到的Kibana, Grafana）的实践和理解
面试指南
- 使用 STAR 原则（情境、任务、行动、结果）来组织答案，确保逻辑清晰、重点突出，并量化你的贡献和成果
- 在回答技术设计问题时，可以从需求分析、架构选型、关键模块设计、容错与扩展性、以及最终效果评估这几个层面展开
- 在回答协作类问题时，不仅要说明你做了什么，更要强调你如何理解各方需求、化解分歧、并最终推动团队朝着共同目标前进
- 请描述一个你设计的、用于提升开发或测试效率的自动化工具或框架，你遇到了哪些挑战，如何解决的？
- 你如何设计一个高可靠、可扩展的大规模数据处理或监控系统？会考虑哪些关键因素？
- 请分享一个你使用 Python 或 C++ 解决复杂算法或系统性能优化问题的经历
- 在之前的项目中，你是如何与不同技术背景（如硬件、软件、测试）的团队有效协作并达成项目目标的？
- 如果给你一个芯片验证的日志数据集，你会如何利用 AI/ML 或数据分析方法来发现潜在问题或优化流程？
职位点评
Watch Jobs